PLoS ONE: Lignende Kilde til Differential Blood mRNA i lungekræft og inflammatoriske lungesygdomme: opfordrer til Forbedret Strategi for Identifikation kræftspecifikke Biomarkører

Abstrakt

Baggrund

Mange undersøgelser forsøge at identificere kræft diagnostiske biomarkører ved at sammenligne perifert fuldblod (PWB) af kræft prøver og raske kontrolpersoner, eksplicit eller implicit at antage, at sådanne biomarkører er potentiel kandidat biomarkører til at skelne kræft fra ikke-maligne inflammation-associerede sygdomme.

Metoder

Flere PWB genekspressionsprofiler for lungekræft /inflammationsassocierede lungesygdomme blev brugt til differentiale mRNA identifikation og sammenligning og for andelen estimering af PWB celle undertyper.

Resultater

De differentielt udtrykte gener (DE gener) mellem lungekræft /inflammationsassocierede pulmonal patienter og raske kontroller blev reproducerbart identificeret i forskellige datasæt. For disse DE gener observeret i lungekræft /inflammationsassocierede lungesygdomme, blev mere end 90,2% udtrykkes differentielt mellem myeloide celler og lymfoide celler, med mindst 96,8%, der har ensartede retninger af regulering (op- eller ned-regler) i myeloide celler sammenlignet med lymfoide celler, forklares med de forskudte populationer af PWB celle undertyper under sygdomstilstande. Sammenligningen af ​​DE gener for lungekræft og inflammationsassocierede lungesygdomme viste, at de overlappende gener var 100% konsekvent i retningssans regulering.

Konklusioner

forskellen blod mRNA observeret i lungecancer og i inflammationsassocierede lungesygdomme var ens, både primært afspejler forskellen mellem myeloide celler og lymfoide celler overvejende bestemt af PWB celle befolkningsskift. Således kan strategien med at sammenligne kræft med raske kontrolpersoner give lidt information af evnen af ​​de identificerede kandidat biomarkører i diskriminerende kræft fra inflammationsassocierede lungesygdomme

Henvisning:. Hong G, Chen B, Li H, Zhang W, Zheng T, Li S, et al. (2014) Lignende Kilde til Differential Blood mRNA i lungekræft og inflammatoriske lungesygdomme: opfordrer til Forbedret Strategi for Identifikation kræftspecifikke Biomarkører. PLoS ONE 9 (9): e108104. doi: 10,1371 /journal.pone.0108104

Redaktør: Yan Zhang, Harbin Medical University, Kina

Modtaget: 10. juli 2014 Accepteret: August 18, 2014; Udgivet: 22 September, 2014

Copyright: © 2014 Hong et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Data Tilgængelighed:. Det forfattere bekræfter, at alle data, der ligger til grund resultaterne er fuldt tilgængelige uden restriktioner. Alle genekspression datasæt analyseret i denne undersøgelse er tilgængelige fra Gene Expression Omnibus (GEO) database (tal tiltrædelse GSE42826, GSE42830, GSE20189, GSE19314, GSE28623, GSE28490, GSE28491)

Finansiering:. Dette arbejde er støttet af National Natural Science Foundation of China (Grant nr 91029717,81071646,81372213,81201702 og 81.201.822;. https://www.nsfc.gov.cn). Den bidragyder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

Konkurrerende interesser:.. Forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

Lungekræft er en af ​​de mest udbredte typer kræft [1]. Tidlig påvisning af lungekræft er afgørende at undgå behandling forsinkelse og forbedre overlevelsen. For at finde diagnostiske biomarkører for lungekræft for ikke-invasiv klinisk anvendelse har forskere grundigt undersøgt genekspression ændringer i perifert fuldblod (PWB) eller mononukleære celler fra perifert blod (PBMC’er) [2] – [6]. Selv om nogle blod-baserede genekspression signaturer er blevet rapporteret at have gode resultater i diskriminerende lungekræft fra raske kontrolpersoner [2] – [4], de normalt mangler reproducerbarhed mellem laboratorier. Mere vigtigt er få undersøgelser evalueret, om de identificerede blodbaserede genekspression signaturer har evnen til at skelne lungekræft fra inflammationsassocierede sygdomme i lungen, herunder, men ikke begrænset til sarcoidosis, lungebetændelse og tuberkulose, som har lignende kliniske og histologiske træk med lungecancer [6]

det antages, at perifere leukocytter er dominerende kilde til mRNA i PWB prøver [7].; dog kan forskellen mRNA signaler observeret i PWB prøver fra kræftpatienter sammenlignet med raske kontrolpersoner afspejle ændringer i delmængder i perifere blodceller. Mange undersøgelser har vist, at i PWB af patienter med cancer, er andelen af ​​blodceller stammer fra den myeloide progenitor (benævnt myeloide celler til enkelhed) stiger, mens andelen af ​​blodceller stammer fra lymfocyt progenitor (benævnt lymfoid celler til enkelhed) aftager [8] – [13]. De proportionale ændringer (eller delpopulation skiftehold) af celletyper i PWB kunne påvirke genekspressionsprofilerne for kræft PWB prøver sammenlignet med raske kontroller [14], [15]. Men i hvilket omfang ændringer i blodets cellepopulationer bidrager til differentiel genekspression ændringer observeret i lungekræft PWB prøver, er stadig uklart. Som en blanding faktor svarende subpopulation skifter i blodceller er også blevet observeret i mange inflammationsassocierede lungesygdomme [16] – [18]. Derfor er belysningen af ​​kilden til de differentielle mRNA’er i PWB prøver af inflammationsassocierede lungesygdomme er nødvendige for at vurdere, om genekspression signaturer bestemt ud fra lungekræft PWB sammenlignet med raske kontroller har evnen til at skelne kræft fra andre inflammation-associerede pulmonal sygdomme.

i denne undersøgelse bruger tre genekspression profiler af PWB prøver fra patienter med lungecancer, viste vi, at de differentielt udtrykte gener (dE gener) detekteres fra forskellige datasæt var signifikant reproducerbare. Ved at anvende en dekonvolution algoritme viste vi, at andelen af ​​myeloide celler øges og andelen af ​​lymfoide celler faldt i lungekræft PWB prøver. Vi viste desuden, at DE generne mellem PWB prøver af lungekræft og raske kontrolpersoner var meget i overensstemmelse med DE gener mellem myeloide celler og lymfoide celler, støtter muligheden for, at den differentierede mRNA observeret i lungekræft PWB prøver blev defineret af differentierede mRNA mellem myeloid celler og lymfoide celler i PWB prøver fra patienter med lungecancer. Især de mest udtalte DE gener mellem PWB prøver af lungekræft og raske kontrolpersoner havde tendens til at være defineret af DE gener mellem myeloide celler og lymfoide celler. De samme fænomener blev observeret for forskellige inflammationsassocierede lungesygdomme. Derfor kunne det være vanskeligt at bruge PWB genekspression signaturer udviklet af lungekræft versus raske kontrolpersoner som potentielle kandidatlande biomarkører til at skelne kræft fra inflammationsassocierede lungesygdomme. At udvikle specifikke diagnostiske biomarkører for kræft, kan fremtidige undersøgelser fokuserer på den direkte sammenligning mellem blod-baserede genekspression profiler af PWB celle undertyper mellem kræft og inflammation-associeret sygdom.

Materialer og metoder

analyse af microarray data

Vi analyserede tre microarray datasæt for PWB prøver fra hver type lungesygdomme (tabel 1), herunder lungecancer, sarcoidose, lungebetændelse og tuberkulose. Alle genekspressionen datasæt analyseret i denne undersøgelse blev hentet fra Gene Expression Omnibus (GEO) database [19]. For overskuelighedens skyld sarcoidose, lungebetændelse og tuberkulose er også omtalt som “inflammationsassocierede lungesygdomme”. Prøver i LC60, blev SCD68, PNU58 og TB63 udvundet fra GEO serien GSE42826 mens prøver i LC46, SCD55, PNU46 og TB54 blev udvundet fra GEO serien GSE42830. Expression data fra forskellige undersøgelser for lungekræft, og hver inflammation-associeret lungesygdom, nemlig LC153, SCD58, PNU26 og TB83, blev også indsamlet til evaluering af reproducerbarhed. De normaliserede data blev hentet fra GEO, og den oprindelige platform annotation fil fås fra GEO for hvert datasæt blev brugt til at anmærke CloneIDs til GeneIDs.

De to leukocyt datasæt, LEU33 og LEU37, blev brugt til at måle udskrift mængderne af forskellige leukocyt celler fra raske mennesker PWB. For hvert datasæt blev genekspressionsprofilerne af humane sunde leukocytundertyper inddelt i to grupper: én gruppe profileret myeloide celler, herunder monocytter, neutrofiler og eosinofiler, mens den anden gruppe profilerede lymfoide celler, herunder T-celler, NK-celler og B-celler. Den gennemsnitlige renhed af hver isoleret celle delmængde var mindst 92% som bedømt ved flowcytometri [20]. I tabel 1, “Case” refererer til den myeloide gruppe, mens “Control” refererer til den lymfoide gruppe.

Påvisning af DE gener

De to-stikprøve

t

-test metode blev anvendt til at identificere dE-gener ved at styre den falske opdagelse sats (FDR) [21] ved 5%. Inden for de datasæt, blev en DE gen betragtes opreguleret hvis dens relative forskel på ekspressionsniveauerne mellem gruppen Case og Kontrol var større end nul, og en DE genet blev anset nedreguleret hvis dens relative forskel på ekspressionsniveauerne mellem Case og kontrolgruppe var mindre end nul [22]. Tre typer af DE gener blev defineret:. DE gener mellem lungekræft og raske kontrolpersoner, DE gener mellem inflammationsassocierede lungesygdomme og kontrol og DE gener mellem myeloide celler og lymfoide celler

Evaluering af sammenhængen mellem to lister af dE gener

for to datasæt, hvis en dE gen opdaget fra en datasæt også blev identificeret som en dE gen med samme retning af regulering (op- eller nedregulering) i en anden datasæt, dette gen blev anset konsistent på tværs af datasæt. Vi definerede en konsistens score som procentdelen af ​​konsekvente DE-gener i alle de overlappende DE gener mellem to datasæt. Når man sammenligner DE gener fra forskellige datasæt genereret på forskellige platforme, vi kun betragtet generne målt i begge platforme. Derefter bruger binomialfordelingen model, vi testede, om sammenhængen score på DE gener tværs datasæt kunne forventes at forekomme ved tilfældig chance. Sandsynligheden for at observere mindst

m Salg De gener hver med samme retning af regulering på tværs af to datasæt fra

N

tilfældigt udvalgte gener blev beregnet som følger: (1), hvori

P

e

er den tilfældige sandsynlighed (her 0,5) på en dE-gen med den samme retning af regulering på tværs af to datasæt. En konsekvens score blev betragtet som signifikant for p-værdi. 0,05

Skøn over andelen af ​​myeloide celler og lymfoide celler i PWB

For at afgøre, om myeloide og lymfoide celle proportioner forskellige i PWB af pulmonale patienter sygdom, vi kvantificeret proportioner myeloide celler og lymfoide celler dokumenteret i immunrespons i databasen Silico (IRIS) [23] af en proces med udfoldning [24]. Hvis

B

repræsenterer den kendte matrix af microarray ekspressionsprofiler målt for en sygdom, der omfatter både sygdom og raske prøver;

X

repræsenterer andelen af ​​myeloide celler og lymfoide celler; og

A

repræsenterer det kendte matrix af ekspressionsniveauer af markørgener i myeloide celler og lymfoide celler karakteriseret ved IRIS-databasen, så (2)

Formålet med udfoldning er at finde løsningen af convolution ligning, som vil give de celle-type proportioner for myeloide celler og lymfoide celler.

efter andelene af myeloide celler og lymfoide celler i hver prøve af et datasæt blev beregnet af BioConductor pakke CellMix [25 ], brugte vi to stikprøver

t

-test metode til at vurdere, om proportionerne var signifikant forskellig mellem sygdom og raske kontrolpersoner. En p-værdi 0,05 blev betragtet som signifikant. To andre celle-specifikke udtryk underskrifter, defineret af Abbas et al. [24] og ved HaemAtlas [26], blev også anvendt til at vurdere, om andelen ændringer i myeloide celler og lymfoide celler var reproducerbare.

DE gener for sygdom PWB defineret ved forskellen mellem myeloide og lymfoide celler

Blodceller kan grupperes i myeloide celler og lymfoide celler. Derfor til et gen i en PWB prøve, ekspressionen kan modelleres som en lineær kombination af ekspressionen af ​​dette gen i myeloide celler og lymfoide celler hhv. Lad de gennemsnitlige ekspressionsniveauer af et gen i myeloide celler og lymfoide celler være

b

m

b

l

henholdsvis, så dens udtryk niveauet hos raske PWB prøve kan være modelleret som (3) hvor

p

m

p

l

repræsenterer andelen af ​​myeloide celler og lymfoide celler. Når andelen af ​​myeloide celler stiger med Δ

k

under sygdomstilstand, andelen af ​​lymfoide celler vil falde med Δ

k

. Således kan ekspressionen af ​​genet i sygdommen PWB prøven være repræsenteret som (4)

Udtrykket forskel af dette gen mellem sygdom og sund prøve (5)

Baseret på hypotese, at de forskudte andele af myeloide celler og lymfoide celler er den vigtigste faktor, der bidrager til forskellen ekspressionsniveauer observeret i sygdom PWB prøver, ifølge formel (5), retning af regulering (op- eller nedregulering) af en dE-gen i sygdom PWB prøver sammenlignet med raske PWB prøver bør være i overensstemmelse med sin retning af regulering i myeloide celler i forhold til lymfoide celler.

Resultater

Reproducerbarhed af DE gener mellem patienter med lungecancer og raske kontrolpersoner

for at bestemme, om mRNA biomarkører for lungekræft kan reproducerbart identificeres ved hjælp PWB, vi adgang data fra tre forskellige microarray eksperimenter. Når man sammenligner gener fra flere datasæt genereret på forskellige platforme, vi kun betragtet generne repræsenteret i alle de datasæt (tabel S1 i File S1). Som vist i tabel 2, med en FDR 5%, de DE generne detekteres fra forskellige datasæt for lungekræft var meget reproducerbar. For eksempel blandt de 2029 DE generne identificeret fra LC46 datasæt, 81,5% (1654), blev også påvist som DE gener i LC60 datasættet, og hver af dem havde den samme retning af regulering på tværs af de to datasæt, der blev afledt af samme undersøgelse. Når man sammenligner de DE generne identificeret fra LC60 til DE generne identificeret fra LC153 som var fra en anden undersøgelse blev 389 DE gener almindeligt opdaget, blandt hvilke 99,2% havde de samme retninger af regulering på tværs af de to datasæt. Ligeledes 258 DE gener overlappede mellem 1372 og 876 DE generne henholdsvis identificeret fra LC46 og LC153, og 98,8% af dem havde de samme retninger af regulering. Baseret på konsistens scoringer, kunne overlapningen mellem hvert par af lungekræft datasæt ikke forventes at være opstået ved tilfældig chance (p-værdi 2,2 × 10

-16, binomialtest), hvilket indikerer, at DE gener identificeret fra PWB for lungekræft var signifikant reproducerbare.

Kilde til dE gener observeret i lungekræft PWB prøver

for at afgøre, om forskelle i dE generne identificeret fra forskellige datasæt kan forklares ved forskellige andele af myeloid celle og lymfoide celle delmængder, vi anvendte genekspression deconvolution metode [24] til at estimere andelen af ​​de myeloide celler og lymfoide celler i hver datasæt for lungekræft og sunde kontrolprøver ved hjælp af celle-specifikke signaturer dokumenteret i IRIS-databasen (se metoder). Som vist i fig. 1, andelene af myeloide celler var signifikant højere i PWB prøver med lungekræft sammenlignet med de raske kontroller, mens andelene af lymfoide celler var signifikant lavere hos patienter med lungecancer (p-værdi 0,05,

t

-prøve). Fordi estimering afhænger af valget af celle-type specifikke markører, vi brugte også de celle-specifikke underskrifter defineret af Abbas et al. [24] og markørgener karakteriseret ved HaemAtlas [26] for udfoldning. Resultaterne viste også, at de estimerede andele af myeloide celler og lymfoide celler var signifikant højere og lavere henholdsvis PWB prøver med lungekræft sammenlignet med raske kontroller (p-værdi 0,05,

t

-test).

De anslåede andele af myeloide og lymfoide celler i lungekræft og sunde PWB prøver for hver datasæt. * Betegner statistisk signifikante forskelle (P 0,05). Forkortelser er de samme som i tabel 1.

For yderligere at analysere, om DE gener observeret i lungekræft PWB prøver kan defineres af differentierede mRNA mellem myeloide celler og lymfoide celler, vi sammenlignede DE generne identificeret mellem lunge kræft og raske kontrolpersoner med dE generne identificeret i myeloide celler i forhold til lymfoide celler. Vi definerede en pålidelig liste over DE gener for lungekræft og for myeloide celler henholdsvis. Listen over DE gener for lungekræft blev defineret som de DE gener påvist i alle de tre datasæt med konsekvente retninger af regulering, som omfattede 190 DE gener (Tabel S2 i File S1). For at inkludere så mange DE gener mellem myeloide celler og lymfoide celler som muligt, vi defineret DE generne for myeloide celler sammenlignet med lymfoide celler ved at kombinere to lister over DE gener identificeret fra to leukocyt datasæt og slette dem DE gener med inkonsistente retninger af regulering på tværs de to datasæt. Den resulterende liste omfattede 5042 DE gener (benævnt M-L DE gen liste for enkelhed). Den integrerede ML DE gen listen var pålidelige, da DE generne identificeret fra de to leukocyt datasæt var signifikant reproducerbare: ved hjælp af en FDR 5%, 5069 og 7266 DE gener mellem myeloide celler og lymfoide celler blev identificeret henholdsvis fra LEU33 og LEU37 datasæt og 4186 af dE gener blev medtaget i begge lister, 97,1% af som havde de samme retninger af regulering på tværs af de to datasæt, som var usandsynligt, der skal overholdes ved tilfældig chance (p-værdi 2,2 × 10

-16, binomialtest).

Blandt de 190 dE generne konsekvent identificeret i lungekræft, blev 94,7% inkluderet i ML dE gener liste og alle af dem havde de samme retninger af regulering som i myeloide celler versus lymfoide celler, som ikke kunne forventes at forekomme ved tilfældig chance (p-værdi 2,2 × 10

-16, binomialtest). Dette indikerer, at DE gener specifikke prøver lungekræft overvejende bestemmes af befolkningens forskydninger i myeloide celler og lymfoide celler og hovedsagelig afspejler udtrykket forskellen mellem disse to typer af celler. Men 10 af de 190 DE generne defineret for lungekræft blev ikke inkluderet i ML DE gen liste, sandsynligvis på grund af ufuldstændige listen over DE gener mellem myeloide celler og lymfoide celler, som kun stammer fra to datasæt [27] . Som bevis for denne mulighed, vi yderligere vurderes, om disse 10 de gener havde tendens differentiel ekspression i nogen af ​​de to leukocyt datasæt. Vi fandt, at, 4 af de 10 DE generne defineret for lungekræft tendens til at blive udtrykt markant (med ukorrigeret p-værdi 0,05) mellem myeloide celler og lymfoide celler og alle af dem havde de samme retninger af regulering som i myeloide celler sammenlignet med lymfoide celler, hvilket var usandsynligt at ske ved tilfældig chance (p-værdi 2,2 × 10

-16, binomialtest). Når afslappende ujusterede p-værdi til 0,1, 6 af de 10 DE generne defineret for lungekræft var DE gener mellem myeloide celler og lymfoide celler med de samme retninger af regulering. Især de DE generne fra lungekræft datasæt med de væsentligste forskelle er mere tilbøjelige til at blive defineret af differentierede mRNA mellem myeloide celler og lymfoide celler. Alle de 10 mest markant DE gener defineret for lungekræft blev inkluderet i M-L DE-gen liste, og alle af dem havde de samme retninger af regulering som i den myeloide celle versus lymfoide celle datasæt. Blandt de mest markante top 100 DE gener defineret for lungekræft, 96 havde væsentligt anderledes udtryk i myeloide celler og lymfoide celler, alle med de samme retninger af regulering som i myeloide celler sammenlignet med lymfoide celler (p-værdi 2,2 × 10

-16, binomialtest). Disse resultater foreslog endvidere, at myeloide /lymfoide population Skift var sandsynligvis udgør kilden til DE gener fra patienter med lungecancer sammenlignet med raske kontroller.

Kilde til DE gener observeret i PWB af inflammationsassocierede lungesygdomme

Fordi respons af immunceller til inflammation kunne være repræsenteret ved forskydninger i blodet cellepopulationer [14] sammenlignede vi også dE generne identificeret fra forskellige inflammationsassocierede lungesygdomme til dE generne defineret for myeloide celler. Baseret på reproducerbarheden analyse af tre PWB genekspression datasæt for hver af de inflammationsassocierede lungesygdomme (se fremgangsmåder), DE generne identificeret fra forskellige datasæt for hver inflammationsassocieret lungesygdom var signifikant reproducerbar (tabel 3).

for hver af de tre inflammationsassocierede lungesygdomme definerede vi også en pålidelig liste over dE gener. Med en FDR 5%, blev 441 gener, der blev væsentligt forskelligt udtryk i alle tre sarcoidose datasæt med de samme retninger af regulering defineret som DE gener for sarkoidose. Ligeledes blev 550 og 34 gener defineret som DE gener for tuberkulose og lungebetændelse, henholdsvis. Blandt de 441 DE generne defineret for sarkoidose, 90,2% (398) overlappede med M-L DE gener og 97,0% af dem havde de samme retninger af regulering i forhold som i de myeloide celler versus lymfoide celler. Antallet af DE gener overlappende mellem tuberkulose DE gener og M-L DE gener var 499, hvoraf 97,0% var konsekvente i deres retninger for regulering. I lungebetændelse DE gener, blev 91,2% (31) af de 34 DE gener indgår i M-L DE gen liste, og kun ét gen havde en inkonsekvent retninger af regulering i M-L DE-gen listen. Alle konsistens scoringer foreslog, at oplysningerne ikke kunne observeres ved tilfældig chance (p-værdi 0,05, binomialtest).

Dekonvolution af genekspression profiler også verificeret, at andelen af ​​myeloide celler og lymfoide celler i datasæt for inflammationsassocierede lungesygdomme ændret, med andelen af ​​myeloide celler markant øget, og andelen af ​​lymfoide celler faldt betydeligt i inflammationsassocierede lungesygdom prøver sammenlignet med raske kontroller (fig. 2). Dette antydede, at de observerede forskellen gen udtryk i PWB transkriptomet af inflammationsassocierede lungesygdomme også tendens til at være overvældende defineres af differentierede mRNA mellem myeloide celler og lymfoide celler.

De anslåede andele af myeloide og lymfoide celler i sarkoidose , lungebetændelse og tuberkulose og sunde PWB prøver for hver datasæt. * Betegner statistisk signifikante forskelle (P 0,05). Forkortelser er de samme som i tabel 1.

Sammenligning mellem lungekræft og inflammationsassocierede lungesygdomme

Som beskrevet ovenfor DE generne observeret i både kræft og inflammation-associerede lungesygdomme tendens til at være overvejende stammede fra flyttet populationer af myeloide og lymfoide celler, hvilket tyder på, at dE generne kan være konsistent mellem dem. Derfor sammenlignede vi konsekvent DE-generne defineret for lungekræft til de konsekvente DE-generne defineret for hver inflammationsassocieret lungesygdom. For de 190 DE generne defineret for lungekræft, blev 75, 104 og 7 indgår i de 441, 550 og 34 DE gener defineret for sarkoidose, lungebetændelse og tuberkulose, hhv. Alle af dem havde de samme retninger af regulering med hensyn til deres retninger i de tilsvarende inflammationsassocierede lungesygdomme, som ikke kunne observeres ved tilfældig chance (p-værdi 0,05, binomialtest). Så vi sammenlignes direkte DE gener detekteret mellem lungekræft og hver inflammation-associeret lungesygdom hhv. Med en FDR 5%, blev få DE gener identificeret mellem lungekræft og hver inflammation-associeret sygdom. Kun én DE genet blev almindeligt identificeret mellem lungekræft og sarcoidose prøver fra GEO serien GSE42826 og GSE42830, hvorfra 28 og 30 DE gener blev identificeret hhv. Fem og 94 DE gener blev identificeret mellem lungekræft og tuberkulose prøver fra GEO serien GSE42826 og GSE42830 henholdsvis som deles kun ét gen. Ekstremt, blev der ikke DE gener identificeret mellem lungekræft og lungebetændelse prøver fra GEO serien GSE42830. Disse resultater verificerede, at DE generne i lungekræft og inflammationsassocierede lungesygdomme sandsynligvis ville være defineret af deres forskellige cellepopulationer i stedet at afsløre forskelle i sygdomstilstande.

Diskussion

Udvælgelsen af kandidat blod-baserede mRNA biomarkører blandt de mest betydningsfulde dE gener i kræft blodprøver sammenlignet med kontroller er en fælles strategi [28] – [30]. vores resultater foreslås imidlertid, at denne strategi for karakteristiske lungekræft fra inflammationsassocierede lungesygdomme kan give misvisende resultater. Vores resultater viste, at DE-gener detekteres fra flere PWB datasæt for lungekræft og inflammationsassocierede lungesygdomme overvejende blev bestemt ved delpopulation forskydninger i myeloide og lymfoide celler og hovedsagelig afspejlede udtrykket forskellen mellem myeloide celler og lymfoide celler. Sammenligningen mellem DE generne konsekvent identificeret af lungekræft og fra hver inflammation-associeret lungesygdom viste desuden, at de overlappende DE gener i PWB prøver af patienter fra disse to grupper af sygdomme var meget konsekvent i retning af regulering. Vores resultater viste også, at i PWB prøver for lungekræft sammenlignet med raske kontrolpersoner, de højest rangerende DE gener var mest tilbøjelige til at blive bestemt af udtrykket forskellen mellem myeloide celler og lymfoide celler, hvilket afspejler befolkningens forskydninger i myeloide celler og lymfoide celler. Fordi PBMC’er omfatter lymfocytter (T-celler, B-celler og NK-celler) og monocytter, DE gener observeres i PBMCer fra tumorpatienter kunne også primært afspejler flyttet subpopulationer af myeloide celler og lymfoide celler. Derfor rapporterede blod-baserede biomarkører ved at sammenligne genekspression profiler til kræftpatienter og raske kontrolpersoner [4], [30] – [32] kan have reduceret effekt i skelne kræft fra betændelse-associeret sygdom, fordi de er defineret af DE gener mellem myeloid celler og lymfoide celler, som vil forårsage lignende ekspressionssystemer ændringer i inflammationsassocierede lungesygdomme.

på den anden side, selvom de retninger regulering af dE gener i lungekræft og inflammationsassocierede lungesygdomme versus raske kontroller var næsten den samme, kunne vi ikke udelukke muligheden for, at omfanget af subpopulation skifter i myeloide og lymfoide celler kan være forskellige mellem lungekræft og patienter inflammationsassocierede lungesygdom, som kan forårsage subtil forskel af genekspression mellem kræft og inflammationsassocierede lungesygdomme . Bloom et al. har identificeret 144 gener, der kunne skelne tuberkulose af lungekræft [6]. Blandt disse 144 gener, 59 blev inkluderet i de analyserede i vores undersøgelse gener. Vi fandt, at 47 af de 59 gener blev detekteret som signifikant mellem myeloide celler og lymfoide celler med en FDR 5%, hvilket indikerer, at denne 144-gen signatur vil kunne blive påvirket af de forskudte populationer af myeloide og lymfoide celler. Som signaturen blev rapporteret at kunne skelne lungekræft af tuberkulose, kan dette resultat også antyde, at forskelle kan eksistere i omfanget af subpopulationen skifter mellem lungekræft og inflammationsassocierede sygdomme. I betragtning af den stærke og lignende indflydelse delpopulation forskydninger i PWB myeloide og lymfoide celler på udtrykket ændringer i kræft og inflammation-associerede sygdomme, vi foreslog, at en passende undersøgelse design til at finde kræft-specifikke diagnostiske biomarkører kunne være at sammenligne både subpopulationen skifter i myeloide celler og lymfoide celler og genekspressionsprofiler mellem cancer og inflammation-associerede sygdomme.

En anden mulighed er, at undergrupper af perifere blodceller kan udvise forskellige genekspressionsmønstre mellem sunde og sygdomstilstande for kræft [33]. Faktisk Showe og kolleger har rapporteret, at en 29-gen signatur identificeret fra PBMC’er var lovende skelne lungekræft fra ikke-malign lungesygdom [3]. Selvom manglende validering i uafhængige undersøgelser [2], kan denne signatur foreslå muligheden for at identificere kræft specifikke biomarkører fra PWB celle undertyper som PBMC’er hovedsageligt er sammensat af lymfocytter. Nylige undersøgelser har også vist, at nogle interferon-stimulerede gener (ISGs) er betydeligt nedreguleret i blod-T-celler og B-celler fra patienter med melanom, brystcancer og gastrointestinal cancer [34], [35]. Omvendt ISGs generelt væsentligt opreguleret hos patienter med inflammationsassocierede sygdomme, såsom SLE [36], hvilket tyder på en mulig strategi til at skelne sygdomstilstande typer. Vi har udforsket potentialet af denne strategi ved hjælp af to datasæt, der omfatter delmængder af lymfocytter fra SLE og sund kontrol blod (tabel S3 i File S1). Fra 190 DE-generne defineret for lungekræft, vi opnåede to gener, der var mindst sandsynlighed for at udtrykkes differentielt mellem myeloide og lymfoide celler (med ukorrigeret p-værdi 0,2), hvoraf den ene var væsentligt nedreguleret i B-celler og CD4 T-celler fra SLE prøver sammenlignet med raske kontroller (tabel S4 i File S1). Dette tyder på, at fremtidig identifikation af biomarkører fra tumor PWB prøver kan udvikles gennem sammenligne kræft og inflammation celle delmængder direkte.

Støtte Information

File S1.

Tabel S1-S4. Tabel S1. Antal gener delt mellem forskellige platforme; Tabel S2. De 190 DE gener defineret for lungekræft; Tabel S3. Datasæt systemisk lupus erythematosus; Tabel S4. Celletype særligt udtryk i systemisk lupus erythematosus

doi:. 10,1371 /journal.pone.0108104.s001

(XLS)